情报杂志
情報雜誌
정보잡지
JOURNAL OF INFORMATION
2012年
11期
141-144
,共4页
个性化推荐%DDM模型%HDDM模型%TF-IDF函数
箇性化推薦%DDM模型%HDDM模型%TF-IDF函數
개성화추천%DDM모형%HDDM모형%TF-IDF함수
DDM模型在现在流行的LDA模型中引入了残差分量来弥补判别信息的丢失,而由于文档词汇服从幂律分布,导致残差分量会受到高频主题词汇的影响.本文提出了HDDM模型,利用改进的TF-IDF函数,设置残差分量采样时的权重,提高了低频词汇在残差分量中的作用.实验证明这种模型提高了个性化推荐的推荐质量,使得查准率得到进一步的提升.
DDM模型在現在流行的LDA模型中引入瞭殘差分量來瀰補判彆信息的丟失,而由于文檔詞彙服從冪律分佈,導緻殘差分量會受到高頻主題詞彙的影響.本文提齣瞭HDDM模型,利用改進的TF-IDF函數,設置殘差分量採樣時的權重,提高瞭低頻詞彙在殘差分量中的作用.實驗證明這種模型提高瞭箇性化推薦的推薦質量,使得查準率得到進一步的提升.
DDM모형재현재류행적LDA모형중인입료잔차분량래미보판별신식적주실,이유우문당사회복종멱률분포,도치잔차분량회수도고빈주제사회적영향.본문제출료HDDM모형,이용개진적TF-IDF함수,설치잔차분량채양시적권중,제고료저빈사회재잔차분량중적작용.실험증명저충모형제고료개성화추천적추천질량,사득사준솔득도진일보적제승.
